Dashboard Nemesis dan Alarm Pengawasan Pengadaan Pemerintah
Analis Sosial Politik
·waktu baca 5 menit
Tulisan dari Rolip Saptamaji tidak mewakili pandangan dari redaksi kumparan
Dashboard pengawasan pengadaan pemerintah berbasis AI bernama Nemesis baru saja meluncur dan langsung viral. Publik bisa melihat paket pengadaan yang diklasifikasikan sebagai "absurd" atau berpotensi pemborosan, lengkap dengan narasi risiko. Transparansi pengadaan yang selama ini hanya ada di retorika reformasi birokrasi tiba-tiba punya wujud nyata. Tapi kasus pertama yang viral justru membuktikan kelemahan metodologis yang harus jadi alarm bagi pemerintah, sistem monitoring internal yang mereka miliki ternyata kalah cepat dari tools eksternal yang akurasinya masih dipertanyakan.
PerbesarDashboard Nemesis Viral
Paket jasa kebersihan Masjid Agung Al Jabbar senilai 22 miliar rupiah muncul di dashboard Nemesis dan langsung viral. Abil Sudarman, pembuat dashboard, memposting temuan itu di Instagram dengan nada kritis. Angkanya memang mengejutkan. Jasa kebersihan 22 miliar terdengar seperti pemborosan telanjang. Publik bereaksi keras. Tapi kemudian Gubernur Jawa Barat Dedi Mulyadi merespons dengan membuka data detail pengadaan. Ternyata paket itu bukan sekadar jasa kebersihan biasa, meliputi pengelolaan kompleks dengan cakupan yang jauh lebih luas dari sekadar menyapu lantai masjid. Abil Sudarman sendiri kemudian mengklarifikasi bahwa aplikasinya memang masih dalam tahapan awal, akurasinya terbatas karena hanya bisa mengakses data rencana. Dengan kata lain, ia mengakui persis masalah yang sejak awal tertanam dalam metodologi Nemesis.
Kerapuhan Metodologi Nemesis
Klasifikasi tanpa basis hukum adalah masalah pertama yang serius. Prompt yang digunakan Nemesis berbunyi sederhana
"kamu adalah auditor pemerintah, tugasmu mendeteksi anomali dan kecurangan."
Tidak ada referensi ke Perpres Nomor 16 Tahun 2018 tentang Pengadaan Barang/Jasa Pemerintah. Tidak ada threshold nilai yang membedakan kapan Pengadaan Langsung sah dan kapan ia menjadi pelanggaran prosedural. Artinya, Large Language Model yang bekerja di balik Nemesis mengklasifikasikan paket berdasarkan intuisi yang dibentuk oleh training data, bukan berdasarkan regulasi yang berlaku. Hakim yang tidak tahu pasal yang dilanggar bukan hakim, hanya panelis debat kusir di televisi. Kasus Al Jabbar membuktikan ini, paket yang terlihat janggal di judul belum tentu janggal secara substansi, dan AI tidak punya kemampuan membaca konteks regulatif yang menjelaskan kenapa angka itu wajar.
Angka tanpa konteks fiskal dan operasional adalah masalah kedua. Paket senilai 22 miliar untuk jasa kebersihan terdengar absurd kalau kita membayangkan dua orang membersihkan mushola kecil. Tapi Al Jabbar bukan mushola kecil. Ini kompleks masjid megah dengan luas puluhan ribu meter persegi, fasilitas pendukung, area parkir, taman, dan pengunjung ribuan orang setiap hari. Kontrak multitahun untuk pengelolaan kompleks seperti ini dengan angka puluhan miliar bisa jadi wajar, bisa jadi tidak. Tapi untuk tahu mana yang benar, butuh data detail yang tidak ada di SiRUP. Nemesis tidak punya akses ke data itu, jadi klasifikasinya hanya berdasarkan judul paket dan angka nominal. Dalam terminologi penelitian, ini confounding variable yang tidak dikendalikan.
Data rencana yang diperlakukan sebagai data fakta adalah masalah ketiga. SiRUP adalah Rencana Umum Pengadaan, dokumen perencanaan di awal tahun anggaran. Paket yang masuk SiRUP belum tentu ditender dengan spesifikasi yang persis sama, belum tentu dieksekusi, dan nilai kontrak aktualnya sering berbeda dari pagu awal. Nemesis mengklasifikasikan niat, lalu mempresentasikannya seolah mengklasifikasikan kejadian. Perbedaan epistemologis ini menentukan apakah klaim dashboard bisa dipertanggungjawabkan secara ilmiah atau hanya berguna sebagai pemantik diskusi publik. Abil Sudarman sendiri mengakui keterbatasan ini saat merespons kritik.
Tidak ada ground truth berarti tidak ada akurasi terukur. Seberapa akurat Nemesis? Tidak ada yang tahu, termasuk pembuatnya. Disclaimer inipun sudah dimuat pada dashboard dengan keterangan kalimat;
Peringatan: hasil klasifikasi AI ini dapat keliru. Gunakan sebagai acuan awal, bukan satu-satunya dasar penilaian.
Tanpa validasi silang terhadap temuan BPK atas LKPD, putusan tipikor, atau audit APIP, tidak ada cara mengukur seberapa banyak false positive yang dihasilkan. Kasus Al Jabbar adalah false positive pertama yang terekspos publik. Berapa banyak lagi yang tidak terekspos karena pemerintah daerah tidak merespons secara terbuka seperti Dedi Mulyadi? Sistem yang tidak bisa diukur akurasinya tidak bisa dipercaya, hanya bisa diyakini. Dalam pengawasan kebijakan publik, perbedaan antara kepercayaan dan bukti itu sangat penting.
Alarm Nemesis untuk Rezim Pengadaan Pemerintah
Tapi kritik metodologis ini bukan argumen untuk menutup Nemesis. Justru sebaliknya. Dashboard ini adalah alarm yang pemerintah harus dengarkan dengan serius, bukan karena setiap klasifikasinya akurat, tapi karena keberadaannya sendiri sudah mengubah insentif. Respons Dedi Mulyadi adalah bukti dari perubahan perilaku ini. Alih-alih defensif atau mendiamkan, gubernur membuka data detail dan menjelaskan secara transparan. Ketika pengadaan bisa dilihat publik dalam hitungan klik, biaya politik dari pemborosan naik drastis. Satker yang biasanya santai merencanakan paket sekarang harus berpikir dua kali, karena paket yang terlihat janggal akan viral lebih cepat dari mereka bisa memberikan klarifikasi. Ini deterrence effect yang nyata meskipun metodologinya belum sempurna.
Tapi ada konsekuensi yang harus dihadapi dari false alarm seperti kasus Al Jabbar. Setiap temuan yang viral lalu ternyata keliru mengikis kredibilitas pengawasan publik secara keseluruhan. Publik yang terlalu sering melihat alarm palsu akan berhenti mempercayai alarm yang asli. Pemerintah yang awalnya merespons dengan transparansi bisa berubah menjadi defensif kalau terlalu sering harus membela program sah dari tuduhan yang tidak berdasar. Resiko paling berbahaya, pemborosan yang benar-benar terjadi bisa tenggelam dalam kebisingan false positive yang terus-menerus.
Pemerintah daerah yang tidak segera membangun sistem monitoring internal yang lebih baik akan terus dikepung oleh pertanyaan yang datang dari luar, bukan dari dalam sistem pengawasan mereka sendiri. UKPBJ dan APIP di daerah seharusnya menggunakan logika Nemesis untuk memperbaiki perencanaan pengadaan mereka, tapi dengan akses ke data realisasi, invoice, dan konteks operasional yang tidak dimiliki tools eksternal mana pun. Kasus Al Jabbar adalah peringatan pertama. Menunggu viral baru transparan adalah strategi yang mahal secara politik dan reputasi.
Nemesis adalah langkah menuju arah yang tepat. Tapi satu langkah dengan metodologi yang tidak dibenahi bisa tiba di tempat yang salah dengan keyakinan yang sangat tinggi. Pemerintah tidak punya pilihan untuk menolak alarm ini. Mereka harus membangun alarm yang lebih baik, lebih akurat, dan lebih terintegrasi dengan sistem pengawasan internal mereka terutama di Kementerian Keuangan. Pilihan pemerintah bukan antara ada pengawasan atau tidak ada. Pilihannya adalah mengontrol pengawasan dengan sistem internal yang lebih baik, atau dikontrol oleh pengawasan eksternal dengan standar yang mereka tidak tentukan dan konsekuensi yang harus dibayar setiap kali viral.